[论文解读] Normalized rotation shape descriptors and lossy compression of molecular shape

Jarek Duda|arXiv (Cornell University)|Sep 30, 2015

Computational Drug Discovery Methods参考文献 4被引用 3

一句话总结

本文提出了一种基于球谐函数（PCA-SH）的归一化旋转形状描述符框架，结合Bent Deformed Cylinder（BDC）和Bent Cylindrical Harmonics（BCH）等专用模型，实现分子配体的有损压缩与高精度形状表征。通过将主成分分析与正交、旋转不变的描述符相结合，该方法实现了高代表性、可解码性与连续性，支持分子形状的重建，并提升了虚拟筛选性能。

ABSTRACT

There is a common need to search of molecular databases for compounds resembling some shape, what suggests having similar biological activity while searching for new drugs. The large size of the databases requires fast methods for such initial screening, for example based on feature vectors constructed to fulfill the requirement that similar molecules should correspond to close vectors. Ultrafast Shape Recognition (USR) is a popular approach of this type. It uses vectors of 12 real number as 3 first moments of distances from 4 emphasized points. These coordinates might contain unnecessary correlations and does not allow to reconstruct the approximated shape. In contrast, spherical harmonic (SH) decomposition uses orthogonal coordinates, suggesting their independence and so lager informational content of the feature vector. There is usually considered rotationally invariant SH descriptors, what means discarding of some essential information. This article discusses framework for descriptors with normalized rotation, for example by using principal component analysis (PCA-SH). As one of the most interesting are ligands which have to slide into a protein, we will introduce descriptors optimized for such flat elongated shapes. Bent deformed cylinder (BDC) describes the molecule as a cylinder which was first bent, then deformed such that its cross-sections became ellipses of evolving shape. Legendre polynomials are used to describe the central axis of such bent cylinder. Additional polynomials are used to define evolution of such elliptic cross-section along the main axis. There will be also discussed bent cylindrical harmonics (BCH), which uses cross-sections described by cylindrical harmonics instead of ellipses. All these normalized rotation descriptors allow to reconstruct (decode) the approximated representation of the shape, hence can be also used for lossy compression purposes.

研究动机与目标

• 开发一种形状描述符框架，实现分子构象的有损压缩，同时保留虚拟筛选所需的关键结构特征。
• 通过正交、旋转归一化的描述符，解决现有方法（如USR）在代表性、连续性与可解码性方面的局限性。
• 设计专用描述符BDC与BCH，以表征药物发现中常见的长形、扁平或弯曲配体形状。
• 支持从描述符系数重建近似分子形状，兼顾相似性搜索与压缩功能。
• 利用主成分分析与多项式拟合，对分子骨架上的电子密度与原子质量等特征进行优化，提取额外描述符坐标。

提出的方法

• 使用球谐函数（SH）结合主成分分析（PCA），生成信息含量最大化、相关性最小化的旋转不变、正交描述符。
• 提出Bent Deformed Cylinder（BDC）模型，通过弯曲圆柱体并沿中心骨架变形其椭圆截面，以表征长形配体。
• 采用勒让德多项式描述BDC的中心骨架，并引入额外多项式描述椭圆截面的演化过程。
• 提出Bent Cylindrical Harmonics（BCH）作为BDC的替代方案，使用柱面谐函数替代椭圆来描述截面形状的演化。
• 对电子电负性与累积原子质量等属性沿骨架进行多项式拟合，以提取额外的描述符坐标。
• 对完整描述符向量进行PCA处理，以确保系数独立性，并优化选择性与信息密度。

实验结果

研究问题

• RQ1 基于球谐函数与PCA的归一化旋转描述符，是否能在连续性与可解码性方面优于现有方法（如USR）？
• RQ2 BDC与BCH模型在表征与蛋白质结合相关的扁平、长形配体形状方面表现如何？
• RQ3 电子电负性与累积质量等附加特征在描述符中编码程度如何，能否提升生物学相关性？
• RQ4 能否通过参考相似性度量与均方误差最小化，对描述符框架进行特定应用优化？
• RQ5 如何通过构象集合中系数的平均值与方差项，捕捉分子的构象柔性？

主要发现

• PCA归一化的球谐描述符相比标准USR，具有更好的正交性与更低的系数相关性，显著提升了信息密度。
• BDC模型成功捕捉了去氧肾上腺素等配体的弯曲形态与截面演化，其形状重建保真度优于标准SH。
• 通过电子电负性与累积质量的多项式拟合得到的描述符系数，提供了可量化的、具有生物学意义的特征，适用于相似性评估。
• 该框架通过描述符系数重建近似分子形状，支持有损压缩，并具备率-失真优化潜力。
• 该方法可在低维特征空间中实现聚类与虚拟筛选，同时保留关键的结构与电子性质。
• 在构象集合中引入系数方差，可有效建模分子柔性，这对配体-蛋白质结合至关重要。